Pronóstico de tasas de cambio utilizando redes neuronales feedforward y recurrentes

Resumen En este trabajo investigamos la capacidad de pronóstico fuera de la muestra de redes neuronales feedforward y recurrentes basadas en datos empíricos de tasas de cambio extranjeras. Se propone un procedimiento de dos pasos para construir redes adecuadas, en el cual se seleccionan redes basadas en el criterio de complejidad estocástica predictiva (PSC), y las redes seleccionadas se estiman utilizando tanto algoritmos de Newton recursivos como el método de mínimos cuadrados no lineales. Nuestros resultados muestran que el PSC es un criterio sensato para seleccionar redes y para ciertas series de tasas de cambio, algunos modelos de red seleccionados tienen una capacidad de sincronización en el mercado significativa y/o un error cuadrático medio de predicción fuera de la muestra significativamente menor en relación al modelo de paseo aleatorio.